CN110310148A - 基于大数据和机器学习的广告精准投放方法 - Google Patents
基于大数据和机器学习的广告精准投放方法 Download PDFInfo
- Publication number
- CN110310148A CN110310148A CN201910487768.9A CN201910487768A CN110310148A CN 110310148 A CN110310148 A CN 110310148A CN 201910487768 A CN201910487768 A CN 201910487768A CN 110310148 A CN110310148 A CN 110310148A
- Authority
- CN
- China
- Prior art keywords
- user
- advertisement
- module
- machine learning
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于大数据和机器学习的广告精准投放方法,包括以下几个步骤:S1:用户数据采集模块;S2:视频节目鉴别能力计算和排序模块;S3:VideoBag打包模块;S4:权重计算模块;S5:用户特征表生成模块;S6:广告投放模块。本发明通过海量的基础用户数据,结合大数据和机器学习技术,提高了汽车营销领域的转化率和精准率,同时提高了用户体验,降低了用户反感度。
Description
技术领域
本发明涉及广告传媒应用技术领域,特别涉及一种基于大数据和机器学习的广告精准投放方法。
背景技术
互联网广告是通过网络在广告平台上投放广告,利用网站上的广告横幅、文本链接、多媒体的方式,在互联网刊登或发布广告,通过网络传递到互联网用户的一种广告运作方式。与传统的四大传播媒体(报纸、杂志、电视、广播)广告及备受垂青的户外广告相比,互联网广告具有得天独厚的优势,是因为互联网广告平台能够针对所在业务服务端所运营的业务较为精准的投放广告内容。因此互联网广告是实施现代营销媒体战略的重要一部分
随着现在科技的发展,汽车联网使用已经越来越受到大众青睐,而且这几年得到了飞速的发展,中国的汽车保有量不断提高,使私家车同样成为人生活中不可或缺的载体,市场上用有大量的车载多媒体系统,汽车互联网广告也是一个非常大的市场,而现有的技术无法完成车载互联网的精确投放,本发明公开了一种基于大数据和机器学习的广告精准投放方法。
发明内容
本发明要解决的技术问题是提供一种基于大数据和机器学习的广告精准投放方法,能够快速准确的根据不同用户观看习惯将相应的广告投放到车载终端上。
为了解决上述技术问题,本发明的技术方案为:
一种基于大数据和机器学习的广告精准投放方法,包括以下几个步骤:
S1:用户数据采集模块;
S2:视频节目鉴别能力计算和排序模块;
S3:VideoBag打包模块;
S4:权重计算模块;
S5:用户特征表生成模块;
S6:广告投放模块。
优选的,所述S1中可知数据采集模块是将车轮平台海量基础用户的车型、车辆、违章以及在app的日常行为数据,通过将这些数据传输到云端中,云端动态生成多维度用户画像报告数据收纳入到采集模块中。
优选的,所述S2中通过用户数据采集模块收集的用户性别和年龄信息,并通过特定的计算方法将各视频节目中的性别鉴别能力I1和年龄鉴别能力I2的数据统计出来,其中性别鉴别能力为该视频被男性或者女性观看的次数,年龄鉴别能力为不同年龄段观看该视频的次数。
优选的,所述VideoBag打包模块是将S2中整理好的数据打包到一个 VideoBag里面,并对每个数据I1和I2进行编号排序。
优选的,所述通过权重计算模块来计算各个VideoBag中所有视频节目的 I1或I2绝对值的平均值,并命名为本VideoBag的权重Weight。
优选的,所述S5中根据用户大数据报告,针对不同的用户在不同的时间段访问页面的场景特征,并将每个用户在一段时间内观看的所有视频节目种类进行列表记录,将该表中的每一种视频节目在I1和I2中排序,将排序后的 ID编号转换成所在VideoBag的编号和权重Weight,得到每个用户的特征列表。
优选的,所述在广告投放过程中通过机器输入基础的智能投放算法到广告投放模块中,使机器在每一次投放的结果都会成为下一次投放的学习因子,实现越来越精准的投放效果。
优选的,所述在广告投放过程中的广告投放终端对至少一个用户终端进行使用管理监测,基于广告投放终端发送的广告曝光请求,查询广告投放终端采集的用户信息所对应的用户兴趣分析结果,以及与用户分析结果相关的广告内容。
优选的,所述视频节目鉴别能力计算和排序模块用于获取广告投放终端在对至少一个用户终端进行用户使用管理期间所采集的用户信息和用户行为信息,将所获取的同一用户信息所对应的用户行为信息进行用户兴趣分析,并将用户兴趣分析结果与相应用户信息进行关联和排序。
优选的,所述广告投放模块中包含了通信模块,其中通信模块是基于预设的发送周期、在播放完广告内容时或基于应用程序的运行而产生的广告曝光请求发送至广告投放服务端。
所述广告投放服务端由硬件模块和软件模块组成,所述硬件模块具有外存储器和内存储器,所述子终端与母终端通过WIFI网络、4G网络或5G网络通信相连,所述子终端只具有内存储器,所述子终端接收从母终端得到的信息并将操作指令发送至母终端,所述母终端则与服务器的管理系统通信相连。
本发明有益效果:1:在广告投放过程中是根据所述用户性别与年龄段预测步骤给出的用户性别和年龄段标签,以及所述用户数据采集步骤收集的用户性别和年龄信息,按照某广告投放的目标人群,向具有适合性别和年龄段的用户投放该广告,提高了投放的精准性,从而有效的提升了广告效果。
2:本发明通过海量的基础用户数据,结合大数据和机器学习技术,提高了汽车营销领域的转化率和精准率,同时提高了用户体验,降低了用户反感度。
附图说明
图1为本发明所述的系统流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
一种基于大数据和机器学习的广告精准投放方法,包括以下几个步骤:
S1:用户数据采集模块;
S2:视频节目鉴别能力计算和排序模块;
S3:VideoBag打包模块;
S4:权重计算模块;
S5:用户特征表生成模块;
S6:广告投放模块。
优选的,所述S1中可知数据采集模块是将车轮平台海量基础用户的车型、车辆、违章以及在app的日常行为数据,通过将这些数据传输到云端中,云端动态生成多维度用户画像报告数据收纳入到采集模块中。
优选的,所述S2中通过用户数据采集模块收集的用户性别和年龄信息,并通过特定的计算方法将各视频节目中的性别鉴别能力I1和年龄鉴别能力I2的数据统计出来,其中性别鉴别能力为该视频被男性或者女性观看的次数,年龄鉴别能力为不同年龄段观看该视频的次数。
优选的,所述VideoBag打包模块是将S2中整理好的数据打包到一个 VideoBag里面,并对每个数据I1和I2进行编号排序。
优选的,所述通过权重计算模块来计算各个VideoBag中所有视频节目的 I1或I2绝对值的平均值,并命名为本VideoBag的权重Weight。
优选的,所述S5中根据用户大数据报告,针对不同的用户在不同的时间段访问页面的场景特征,并将每个用户在一段时间内观看的所有视频节目种类进行列表记录,将该表中的每一种视频节目在I1和I2中排序,将排序后的 ID编号转换成所在VideoBag的编号和权重Weight,得到每个用户的特征列表。
优选的,所述在广告投放过程中通过机器输入基础的智能投放算法到广告投放模块中,使机器在每一次投放的结果都会成为下一次投放的学习因子,实现越来越精准的投放效果。
优选的,所述在广告投放过程中的广告投放终端对至少一个用户终端进行使用管理监测,基于广告投放终端发送的广告曝光请求,查询广告投放终端采集的用户信息所对应的用户兴趣分析结果,以及与用户分析结果相关的广告内容。
优选的,所述视频节目鉴别能力计算和排序模块用于获取广告投放终端在对至少一个用户终端进行用户使用管理期间所采集的用户信息和用户行为信息,将所获取的同一用户信息所对应的用户行为信息进行用户兴趣分析,并将用户兴趣分析结果与相应用户信息进行关联和排序。
优选的,所述广告投放模块中包含了通信模块,其中通信模块是基于预设的发送周期、在播放完广告内容时或基于应用程序的运行而产生的广告曝光请求发送至广告投放服务端。
综上可知,用户性别分类模型训练步骤是使用支持向量机作为分类器,按照机器学习分类算法的常规方式进行训练,训练数据来源为用户特征表生成步骤提供的一部分用户特征列表,将其中男性用户作为正样本、女性用户作为反样本进行训练,并以用户特征表生成步骤提供的另一部分用户特征列表为测试数据进行测试,训练结果为支持向量机分类模型,选择测试结果最优的训练结果,命名该模型为性别模型。
用户年龄段分类模型训练步骤使用支持向量机作为分类器,按照机器学习分类算法的常规方式进行训练,训练数据来源为所述用户特征表生成步骤提供的一部分用户特征列表,将其中年龄属于要求年龄段[min_age,max_age] 的用户作为正样本,其他年龄段的用户作为反样本进行训练,并以所述用户特征表生成步骤提供的另一部分用户特征列表为测试数据进行测试,训练结果为支持向量机分类模型,选择测试结果最优的训练结果,命名该模型为年龄段模型。
在众多机器学习算法中,逻辑回归是一种高效又表现理想的算法,逻辑回归会充分用到所有的特征练预测模型,不像针对广告展示的推荐方法只考虑用户的行为习惯信息,而信息检索的方法是将查询和内容的匹配放在第一位;表1为本发明所述的不同特征抽取方法,表1将第一阶段使用的点击日志处理方法与其他方法同样用逻辑回归进行训练的结果做了比较,结果证明特征抽取方法是最优的;在表1中基线代表使用日志中原本的未经处理的特征值进行训练,一般的逻辑回归方法为针对同一数据集,人工进行特征提取,并运用逻辑回归来训练模型所得出的最好结果,AUC是很好的评价基于预测的分类好坏的指标,用AUC来评价本发明提出的特征抽取方法证明本方法优于其他相关领域的方法。
验证集上的AUC | 测试集上的AUC | |
基线 | 0.5251 | 0.5110 |
一般逻辑回归方法 | 0.8152 | 0.7888 |
本发明所提出的特征抽取方法 | 0.8406 | 0.8196 |
表1
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。
Claims (10)
1.基于大数据和机器学习的广告精准投放方法,其特征在于:包括以下几个步骤:
S1:用户数据采集模块;
S2:视频节目鉴别能力计算和排序模块;
S3:VideoBag打包模块;
S4:权重计算模块;
S5:用户特征表生成模块;
S6:广告投放模块。
2.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述S1中可知数据采集模块是将车轮平台海量基础用户的车型、车辆、违章以及在app的日常行为数据,通过将这些数据传输到云端中,云端动态生成多维度用户画像报告数据收纳入到采集模块中。
3.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述S2中通过用户数据采集模块收集的用户性别和年龄信息,并通过特定的计算方法将各视频节目中的性别鉴别能力I1和年龄鉴别能力I2的数据统计出来,其中性别鉴别能力为该视频被男性或者女性观看的次数,年龄鉴别能力为不同年龄段观看该视频的次数。
4.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述VideoBag打包模块是将S2中整理好的数据打包到一个VideoBag里面,并对每个数据I1和I2进行编号排序。
5.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述通过权重计算模块来计算各个VideoBag中所有视频节目的I1或I2绝对值的平均值,并命名为本VideoBag的权重Weight。
6.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述S5中根据用户大数据报告,针对不同的用户在不同的时间段访问页面的场景特征,并将每个用户在一段时间内观看的所有视频节目种类进行列表记录,将该表中的每一种视频节目在I1和I2中排序,将排序后的ID编号转换成所在VideoBag的编号和权重Weight,得到每个用户的特征列表。
7.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述在广告投放过程中通过机器输入基础的智能投放算法到广告投放模块中,使机器在每一次投放的结果都会成为下一次投放的学习因子,实现越来越精准的投放效果。
8.根据权利要求7所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述在广告投放过程中的广告投放终端对至少一个用户终端进行使用管理监测,基于广告投放终端发送的广告曝光请求,查询广告投放终端采集的用户信息所对应的用户兴趣分析结果,以及与用户分析结果相关的广告内容。
9.根据权利要求3所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述视频节目鉴别能力计算和排序模块用于获取广告投放终端在对至少一个用户终端进行用户使用管理期间所采集的用户信息和用户行为信息,将所获取的同一用户信息所对应的用户行为信息进行用户兴趣分析,并将用户兴趣分析结果与相应用户信息进行关联和排序。
10.根据权利要求1所述的一种基于大数据和机器学习的广告精准投放方法,其特征在于:所述广告投放模块中包含了通信模块,其中通信模块是基于预设的发送周期、在播放完广告内容时或基于应用程序的运行而产生的广告曝光请求发送至广告投放服务端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910487768.9A CN110310148A (zh) | 2019-06-05 | 2019-06-05 | 基于大数据和机器学习的广告精准投放方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910487768.9A CN110310148A (zh) | 2019-06-05 | 2019-06-05 | 基于大数据和机器学习的广告精准投放方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110310148A true CN110310148A (zh) | 2019-10-08 |
Family
ID=68075185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910487768.9A Pending CN110310148A (zh) | 2019-06-05 | 2019-06-05 | 基于大数据和机器学习的广告精准投放方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110310148A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909040A (zh) * | 2019-11-08 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、装置及电子设备 |
CN111028006A (zh) * | 2019-12-02 | 2020-04-17 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、业务投放方法及相关装置 |
CN112418905A (zh) * | 2020-10-20 | 2021-02-26 | 杭州电子科技大学 | 一种基于机器学习的在线广告精准投放方法 |
WO2024087796A1 (zh) * | 2022-10-27 | 2024-05-02 | 深圳新度博望科技有限公司 | 一种视频广告投放方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708497A (zh) * | 2012-01-13 | 2012-10-03 | 合一网络技术(北京)有限公司 | 一种基于VideoBag特征的精准广告投放系统及方法 |
US8750602B2 (en) * | 2010-11-29 | 2014-06-10 | Huawei Technologies Co., Ltd. | Method and system for personalized advertisement push based on user interest learning |
CN107871242A (zh) * | 2016-09-28 | 2018-04-03 | 杭州顺网科技股份有限公司 | 广告投放系统及方法 |
CN109615429A (zh) * | 2018-12-11 | 2019-04-12 | 大象慧云信息技术有限公司 | 一种基于发票数据的精准广告投放系统及方法 |
-
2019
- 2019-06-05 CN CN201910487768.9A patent/CN110310148A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8750602B2 (en) * | 2010-11-29 | 2014-06-10 | Huawei Technologies Co., Ltd. | Method and system for personalized advertisement push based on user interest learning |
CN102708497A (zh) * | 2012-01-13 | 2012-10-03 | 合一网络技术(北京)有限公司 | 一种基于VideoBag特征的精准广告投放系统及方法 |
CN107871242A (zh) * | 2016-09-28 | 2018-04-03 | 杭州顺网科技股份有限公司 | 广告投放系统及方法 |
CN109615429A (zh) * | 2018-12-11 | 2019-04-12 | 大象慧云信息技术有限公司 | 一种基于发票数据的精准广告投放系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909040A (zh) * | 2019-11-08 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、装置及电子设备 |
CN110909040B (zh) * | 2019-11-08 | 2022-03-04 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、装置及电子设备 |
CN111028006A (zh) * | 2019-12-02 | 2020-04-17 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、业务投放方法及相关装置 |
CN111028006B (zh) * | 2019-12-02 | 2023-07-14 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、业务投放方法及相关装置 |
CN112418905A (zh) * | 2020-10-20 | 2021-02-26 | 杭州电子科技大学 | 一种基于机器学习的在线广告精准投放方法 |
WO2024087796A1 (zh) * | 2022-10-27 | 2024-05-02 | 深圳新度博望科技有限公司 | 一种视频广告投放方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310148A (zh) | 基于大数据和机器学习的广告精准投放方法 | |
RU2532731C2 (ru) | Сервер и способ адресной рекламы | |
US8898689B2 (en) | Method and arrangements for analysing multimedia content | |
CN108269128B (zh) | 广告的投放方法、装置、设备及存储介质 | |
US9218606B2 (en) | System and method for brand monitoring and trend analysis based on deep-content-classification | |
EP2332111B2 (en) | Third party data matching for targeted advertising | |
CN110135895B (zh) | 广告投放方法、装置、设备及存储介质 | |
CN110570232A (zh) | 互联网广告投放方法、装置、服务器及存储介质 | |
CN110278466B (zh) | 短视频广告的投放方法、装置及设备 | |
CN107968952A (zh) | 一种推荐视频的方法、装置、服务器和计算机存储介质 | |
CN102708497A (zh) | 一种基于VideoBag特征的精准广告投放系统及方法 | |
CN107079183A (zh) | 电视观众测量方法和设备 | |
CN110415023B (zh) | 一种电梯广告推荐方法、装置、设备及存储介质 | |
CN106708817A (zh) | 信息搜索方法及装置 | |
CN101364885A (zh) | 一种实现群组个性化广告的方法、系统和设备 | |
US20150019324A1 (en) | System and method for centralized advertisements serving and verification | |
CN105590240A (zh) | 一种品牌广告效果优化的离散计算方法 | |
CN114747227A (zh) | 跨人口统计群体估计普查级受众规模和总印象持续时间的方法、系统和装置 | |
CN112561604A (zh) | 一种广告推送方法及系统 | |
CN115187301A (zh) | 一种基于用户画像的广告即时植入方法、系统及装置 | |
CN110060079A (zh) | 一种多媒体物料推送方法和装置 | |
CN116383480A (zh) | 通话场景下媒体推荐的方法、装置、电子设备及存储介质 | |
CN109903068A (zh) | 一种精确量化及准确统计投放效果的广告发布系统及方法 | |
CN107507022A (zh) | 一种广告效果评估方法及终端 | |
CN115392944A (zh) | 一种推广内容的处理方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191008 |